Optimización de presiones en redes de agua potable

Abstract

La situación actual del cambio climático desafía a buscar soluciones eficientes y estructurales en el ámbito ingenieril. Es de gran importancia que estas soluciones tengan carácter automatizado, permitiendo así la adaptabilidad de la solución a medida que cambien las condiciones del sistema producto del fenómeno. Por otra parte, las aguas no facturadas en Chile ascienden sobre un 30% en los últimos años, haciéndose necesario indagar en metodologías cuyo objetivo sea cuidar el recurso hídrico. En el presente trabajo se propone una metodología que permite optimizar las presiones en la red de distribución de agua. El método propuesto sugiere la localización de válvulas en la red mediante la métrica de influencia resultante de añadir una válvula sobre cada nodo de la red, para luego ajustar la apertura de las válvulas seleccionadas utilizando un algoritmo genético y una red neuronal, con el objetivo de optimizar las presiones en la red, y, por lo tanto, reducir las pérdidas de agua en la misma. El modelo se aplica en dos redes experimentales: la primera red experimental posee 1 fuente, 117 nodos y 134 tuberías. La segunda red posee 2 fuentes, 93 nodos y 133 tuberías. Para ambas redes se emplea el análisis de demanda basado en presiones, y una vez establecida la demanda base, se aplica el algoritmo para calcular las influencias en ambas redes, para posteriormente seleccionar las válvulas teniendo en cuenta la interferencia que puedan tener una sobre otra. Posteriormente, se ajustan las aperturas de las válvulas seleccionadas, simulando el comportamiento de la red de forma horaria para la red neuronal y diaria para el algoritmo genético. Ambos algoritmos fueron adaptados al problema que se desea resolver, y falta analizar su comportamiento en redes reales. La cantidad de válvulas seleccionadas depende de un parámetro límite que se establece de forma experimental, que representa qué tan influyente es la válvula que se desea añadir en comparación con la que está añadida, que debería tener mayor influencia. Para las redes estudiadas, el ahorro de pérdidas observado es de 26 a un 46%, lo cual se mide con el caudal de fuga resultante de aplicar el algoritmo.